Полезнее спрашивать не «заберёт ли ИИ мою работу?», а «какие части моей работы ИИ изменит первыми?». Именно такой взгляд лучше совпадает с тем, что показывают отчёты 2025 года.
Всемирный экономический форум, или ВЭФ, в материалах к Future of Jobs Report 2025 говорит примерно о 78 млн новых рабочих возможностей к 2030 году, но одновременно подчёркивает срочную необходимость переобучения и повышения квалификации.[10] Международная организация труда, или МОТ, в обновлении 2025 года анализирует влияние генеративного ИИ не только по профессиям, а по задачам — с опорой на данные уровня задач, экспертную оценку и прогнозы ИИ.[
5]
Вывод не укладывается в простое «да» или «нет». Для большинства людей практичнее другое: понять, какие рабочие операции у вас повторяются, стандартизированы, связаны с текстом, таблицами, отчётами или типовыми ответами. Именно их ИИ, данные и автоматизация будут менять быстрее всего. А вот человеческие зоны — ответственность, оценка рисков, коммуникация, контекст и принятие решений — никуда не исчезают.
Три сигнала рынка труда на 2025 год
1. Быстрее всего растёт спрос на данные, финтех и ИИ
По данным ВЭФ, три самые быстрорастущие категории профессий в процентном выражении — специалисты по большим данным, финтех-инженеры и специалисты по ИИ и машинному обучению.[9]
В обзоре ARISA по докладу ВЭФ также отмечается заметный спрос на направления Big Data, финтех, ИИ и машинное обучение, разработку программного обеспечения и приложений. Среди навыков особенно выделяются AI and Big Data, затем сети и кибербезопасность, а также общая технологическая грамотность.[3]
Это не значит, что всем нужно срочно становиться разработчиками. Но почти любой профессиональной роли теперь полезно лучше понимать ИИ, данные и цифровые процессы.
2. Возможности есть не только у инженеров
ВЭФ отдельно отмечает, что к 2030 году самый высокий рост рабочих мест ожидается у ролей, связанных с непосредственной работой с людьми, а также в базовых секторах вроде ухода и образования.[10]
То есть выбор не сводится к одному сценарию — «уйти в ИИ-инженеры». Более массовый путь выглядит иначе: оставаться в своей сфере — образовании, медицине и уходе, сервисе, операционной работе, маркетинге, финансах, администрировании — но стать человеком, который лучше других умеет применять ИИ и цифровые инструменты в реальных рабочих процессах.
3. Риск зависит не только от должности, а от набора задач
МОТ в обновлении 2025 года подчёркивает подход на уровне задач: влияние генеративного ИИ оценивается через то, какие операции внутри профессии потенциально подвержены автоматизации или усилению с помощью ИИ.[5]
Это важный момент. В одной и той же должности могут быть задачи, которые ИИ ускорит уже сейчас: резюме документов, классификация обращений, черновики писем, подготовка отчётов, обработка таблиц. Но рядом с ними остаются задачи, где человеку нужно понимать контекст, договариваться, выбирать между рисками и отвечать за результат.
ВЭФ также указывает, что ИИ и технологические изменения перестраивают рынок: спрос на многие технологические и специализированные роли растёт, а на некоторые другие может снижаться — среди примеров названы графические дизайнеры.[10] Это не означает, что весь дизайн исчезнет. Скорее, это сигнал: роли, завязанные на стандартный визуальный или текстовый выпуск, будут сильнее конкурировать с инструментами, а ценность сместится к стратегии, бренду, вкусу, контексту и контролю качества.
Быстрая самопроверка: что в вашей работе ИИ изменит первым
Это не точный прогноз, а практическая версия подхода МОТ: смотреть на задачи, а не только на название профессии.[5]
| Тип задач | Что это означает | Что прокачивать в первую очередь |
|---|---|---|
| Много повторений, фиксированный формат, понятный процесс | Хорошие кандидаты для ИИ-помощника и автоматизации | AI-инструменты, проектирование SOP, контроль качества, автоматизация процессов |
| Много текста, таблиц, отчётов, резюме, стандартных ответов | ИИ может ускорить выпуск, но результат нужно проверять | Промптинг, структурирование данных, проверка выводов, автоматизация документов |
| Много согласований, коммуникации, решений между вариантами | ИИ помогает подготовить материалы, но ответственность остаётся у человека | Декомпозиция проблем, деловое письмо, AI-анализ, рамки принятия решений |
| Ценность держится на экспертизе и понимании контекста | Не обязательно менять профессию, но нужно встроить ИИ в рабочий процесс | Глубина в своей сфере, технологическая грамотность, повторяемые форматы результата |
Пять групп навыков, которые стоит учить в первую очередь
1. Базовая грамотность в ИИ и машинном обучении
Специалисты по ИИ и машинному обучению входят в число самых быстрорастущих профессий по версии ВЭФ.[9] Но для большинства людей первый шаг — не обучение собственных моделей, а понимание возможностей и ограничений ИИ.
Практическая цель: научиться использовать ИИ для поиска и структурирования информации, черновиков, резюме, анализа документов и таблиц — и при этом понимать, где нужен человек. Хороший рабочий процесс должен иметь понятные входные данные, фиксированный формат результата, критерии проверки и правила по конфиденциальной информации.
2. Анализ данных и Big Data
Специалисты по большим данным также названы ВЭФ среди самых быстрорастущих профессий в процентном выражении.[9] ARISA в обзоре доклада ВЭФ выделяет AI and Big Data как одну из самых заметных групп навыков.[
3]
Если нужно выбрать один «жёсткий» навык, можно начать с таблиц на продвинутом уровне, SQL, визуализации данных или базового Python. Важна не длина списка инструментов, а умение превратить данные в проверяемые, объяснимые выводы, на которые можно опереться при решении.
3. Разработка, приложения и мышление автоматизацией
ARISA относит разработку программного обеспечения и приложений к направлениям с заметным спросом.[3] Даже если вы не планируете становиться программистом, полезно понимать, как устроены продукты, данные, API, скрипты и low-code-инструменты.
ИИ приносит реальную пользу не тогда, когда один раз написал красивый текст, а когда встроен в повторяемый, отслеживаемый и поддерживаемый процесс. Немного понимания разработки и автоматизации помогает превращать идеи в рабочие системы.
4. Сети и кибербезопасность
В обзоре ARISA по докладу ВЭФ сети и кибербезопасность названы важной группой навыков, следующей за AI and Big Data.[3] Чем больше рабочих процессов переходит в цифровую среду, тем меньше кибербезопасность остаётся только делом IT-отдела.
Минимум для любого специалиста: понимать права доступа, риски загрузки данных во внешние сервисы, работу с чувствительной информацией и следы изменений в документах. Уметь пользоваться инструментом — первый уровень. Уметь пользоваться им безопасно — более долгосрочное преимущество.
5. Общая технологическая грамотность
ARISA также выделяет general technological literacy — общую технологическую грамотность — как важное направление навыков.[3]
Это качество часто недооценивают не-айтишные специалисты. Не обязательно писать много кода, но важно понимать, как инструменты соединяются друг с другом, откуда берутся данные, как проверять результат и когда нужно подключать инженера, аналитика, продуктового специалиста или эксперта по безопасности.
Именно технологическая грамотность позволяет перейти от «я попробовал новый AI-сервис» к «я улучшил рабочий результат и могу объяснить, как это работает».
С чего начать в зависимости от роли
| Текущая роль | Что учить в первую очередь |
|---|---|
| Администрирование, операционная работа, поддержка клиентов, координация проектов | AI-документы, резюме встреч, очистка данных, SOP, автоматизация повторяющихся процессов |
| Маркетинг, контент, дизайн | AI-исследование и черновики, брендовая экспертиза, контроль качества контента, аналитика данных; если работа сильно зависит от стандартизированного визуального выпуска, стоит смещаться к стратегии, бренду и контексту, поскольку ВЭФ приводит графических дизайнеров как пример роли, где возможен спад спроса.[ |
| Разработка, продукт, данные | ИИ и машинное обучение, Big Data, разработка программного обеспечения и приложений, сети и кибербезопасность.[ |
| Образование, уход, сервис | Сначала усиливать профессиональную экспертизу и работу с людьми, а ИИ использовать для уменьшения рутины: документов, поиска информации, подготовки материалов; ВЭФ ожидает высокий рост в уходе, образовании и базовых услугах к 2030 году.[ |
| Финансы, бизнес, операционная аналитика | Анализ данных, автоматизация, понимание цифровых продуктов и финтеха; ВЭФ относит финтех-инженеров к трём самым быстрорастущим категориям профессий.[ |
Как превратить обучение в заметный результат
- Начните с задач, а не с тревоги о должности. Выпишите, что вы делаете за неделю, и отметьте задачи, которые повторяются, имеют стандартный формат или завязаны на текст и таблицы. Такой подход близок к логике МОТ, которая анализирует влияние генеративного ИИ на уровне задач.[
5]
- Выберите один сценарий и оформите его как процесс. Например: резюме встречи, ответ клиенту, очистка таблицы, исследование конкурентов, еженедельный отчёт. Зафиксируйте входные данные, промпт, формат результата и правила ручной проверки.
- Добавьте один навык, связанный с вашей работой. SQL, Python, визуализация данных, автоматизация документов, основы кибербезопасности — выбирать лучше не абстрактно, а под свой реальный рабочий контекст.
- Собирайте доказательства, а не только сертификаты. Покажите процесс, критерии проверки, сравнение «до/после», экономию времени или улучшение качества.
- Оставляйте финальное решение человеку. ИИ может помогать искать, суммировать, генерировать и сравнивать. Но цели, риски, коммуникация и ответственность за итоговый выбор должны оставаться у людей.
Главное: учите не модные слова, а новые способы делать работу лучше
Сигналы ВЭФ и МОТ за 2025 год говорят не о простом исчезновении профессий, а о перераспределении задач и пересборке навыков. ВЭФ одновременно видит новые рабочие возможности и давление на повышение квалификации, а МОТ предлагает смотреть на влияние генеративного ИИ через конкретные задачи внутри профессий.[10][
5]
Если ваша работа состоит из повторяющихся и стандартизированных операций, в первую очередь изучайте AI-инструменты, работу с данными и автоматизацию. Если ваша ценность в экспертизе, коммуникации и понимании контекста, учитесь использовать ИИ как усилитель исследования, анализа, письма и качества результата.
Самыми конкурентоспособными будут не те, кто лучше всех выучит термины про ИИ, а те, кто сможет превратить ИИ в проверяемый рабочий результат.
